Im Rahmen eines Forschungsprojekts der Eidgenössischen Technischen Hochschule Lausanne (EPFL) wurde eine Methode entwickelt, grosse Datenbanken nach möglichen Materialien für die Nutzung von neuer Solarzellen zu durchsuchen. In einer Mitteilung heisst es, dass durch den Einsatz Maschinellen Lernens (ML) mehrere vielversprechende Halogenid-Perowskite identifiziert werden konnten. ML ist ein Teilgebiet der Künstlichen Intelligenz, hierbei lernen Computer aus ihnen zur Verfügung gestellten Datensätzen oder Datenbanken.
Perowskite stellen aufgrund einfacher Herstellungsverfahren verbunden mit geringen Kosten eine vielversprechende neue Materialgruppe für zukünftige Photovoltaikanwendungen dar. Damit diese die Sonnenenergie optimal nutzen können, ist es wichtig, dass die neuen Werkstoffe eine passende sogenannte Bandlücke besitzen. Die Bandlücke hat die Eigenschaft, Photonen mit einer bestimmten Energie zu absorbieren und anschliessend in Strom umzuwandeln.
Das EPFL-Team unter der Leitung von Haiyuan Wang und Alfredo Pasquarello entwickelte ein Maschinelles Lernmodell, das aus 15‘000 Materialien 14 völlig neue Perowskite identifizieren konnte. Diese seien hervorragende Kandidaten für zukünftige hocheffiziente Solarzellen. Die Forschenden konnten damit zeigen, dass der Einsatz von ML die Entdeckung und Validierung neuer Photovoltaikmaterialien erheblich beschleunigen kann.
